化学、生物与自动化实验室
突破级
暂无讲解视频
收录解读
这篇论文针对生成式分子设计里一个长期存在的落地问题：模型可以生成看起来新颖、目标性质优异的分子，但往往在可合成性上出问题，导致候选很难真正走到实验端。作者把问题从‘先生成再筛选’推进到‘在生成过程中直接优化受约束的可合成性’，试图把可合成性从后处理指标变成生成目标的一部分。
方法上的关键是 TANGO 把 constrained synthesizability 做成了可直接优化的目标，而不是简单加一个启发式 penalty。它面向的是生成式 molecular design 的内环优化问题：如何在不牺牲性质探索空间的前提下，把生成器引向更可能实际合成的分子区域。这个 framing 本身就比大量仅做 post-hoc filtering 的工作更强。
它适合进入仓库，因为这是 AI for chemistry/分子生成工作流里很典型的高价值条目。真正可用的生成式分子设计，必须把 novelty、property 和 synthesizability 同时纳入，而 TANGO 正是在强化这条 workflow。对后续药物发现、反应路线规划前置筛查和分子生成评价标准都有直接外溢。
它没有更高一级，因为目前更像一篇把分子生成工作流补齐关键约束的强方法论文，而不是完全重写 generative chemistry 整体范式。更准确地说，TANGO 是一篇很实用、方法上也有独立性的 chemistry AI 条目，足够正式收录，但还没有到更高层级。